CN115270799B - 命名实体识别方法及装置 - Google Patents
命名实体识别方法及装置 Download PDFInfo
- Publication number
- CN115270799B CN115270799B CN202211178159.3A CN202211178159A CN115270799B CN 115270799 B CN115270799 B CN 115270799B CN 202211178159 A CN202211178159 A CN 202211178159A CN 115270799 B CN115270799 B CN 115270799B
- Authority
- CN
- China
- Prior art keywords
- corpus
- named entity
- entity recognition
- recognition model
- weight value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
Abstract
本公开涉及人工智能技术领域,提供了命名实体识别方法及装置。该方法包括:获取基础文本语料集;统计每条语料中命名实体出现的次数,并基于每条语料中命名实体出现的次数,计算每条语料对应的第一权重值和第二权重值;按照每条语料对应的第一权重值对每条语料进行重复扩充,得到第一文本语料集;按照每条语料对应的第二权重值对每条语料进行重复扩充,得到第二文本语料集;分别利用基础文本语料集、第一文本语料集和第二文本语料集训练目标模型,得到第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型;利用第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型提供命名实体识别服务。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及一种命名实体识别方法及装置。
背景技术
随着数字化和智能化技术在各个领域的深入发展,更多的智能化设备在生活中发挥作用。各种智能的语音设备,如智能音箱、智能手机、智能机器人等设备都已经支持语音的对话。在文本的对话和理解中,都需要对命名实体(人名、地名、机构名等)进行识别和理解。目前常用基于机器学习的方法,对文本中的命名实体进行识别。但是在实际的应用中,此类方法识别结果准确率低。
在实现本公开构思的过程中,发明人发现相关技术中至少存在如下技术问题:对文本中命名实体进行识别的方法,存在识别准确率低的问题。
发明内容
有鉴于此,本公开实施例提供了一种命名实体识别方法、装置、电子设备和计算机可读的存储介质,以解决现有技术中,对文本中命名实体进行识别的方法,存在识别准确率低的问题。
本公开实施例的第一方面,提供了一种命名实体识别方法,包括:获取基础文本语料集,其中,基础文本语料集包括多条语料,每条语料包括多个词语或字,每个词语或字都被标记了对应的标签,标签包括命名实体和其它,命名实体包括人名、地名和机构名;统计每条语料中命名实体出现的次数,并基于每条语料中命名实体出现的次数,计算每条语料对应的第一权重值和第二权重值;按照每条语料对应的第一权重值对每条语料进行重复扩充,得到第一文本语料集;按照每条语料对应的第二权重值对每条语料进行重复扩充,得到第二文本语料集;分别利用基础文本语料集、第一文本语料集和第二文本语料集训练目标模型,得到第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型;利用第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型提供命名实体识别服务。
本公开实施例的第二方面,提供了一种命名实体识别装置,包括:获取模块,被配置为获取基础文本语料集,其中,基础文本语料集包括多条语料,每条语料包括多个词语或字,每个词语或字都被标记了对应的标签,标签包括命名实体和其它,命名实体包括人名、地名和机构名;统计模块,被配置为统计每条语料中命名实体出现的次数,并基于每条语料中命名实体出现的次数,计算每条语料对应的第一权重值和第二权重值;第一扩充模块,被配置为按照每条语料对应的第一权重值对每条语料进行重复扩充,得到第一文本语料集;第二扩充模块,被配置为按照每条语料对应的第二权重值对每条语料进行重复扩充,得到第二文本语料集;训练模块,被配置为分别利用基础文本语料集、第一文本语料集和第二文本语料集训练目标模型,得到第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型;服务模块,被配置为利用第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型提供命名实体识别服务。
本公开实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例与现有技术相比存在的有益效果是:获取基础文本语料集,其中,基础文本语料集包括多条语料,每条语料包括多个词语或字,每个词语或字都被标记了对应的标签,标签包括命名实体和其它,命名实体包括人名、地名和机构名;统计每条语料中命名实体出现的次数,并基于每条语料中命名实体出现的次数,计算每条语料对应的第一权重值和第二权重值;按照每条语料对应的第一权重值对每条语料进行重复扩充,得到第一文本语料集;按照每条语料对应的第二权重值对每条语料进行重复扩充,得到第二文本语料集;分别利用基础文本语料集、第一文本语料集和第二文本语料集训练目标模型,得到第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型;利用第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型提供命名实体识别服务。采用上述技术手段,可以解决现有技术中,对文本中命名实体进行识别的方法,存在识别准确率低的问题,进而提高识别命名实体的准确率。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本公开实施例的应用场景的场景示意图;
图2是本公开实施例提供的一种命名实体识别方法的流程示意图;
图3是本公开实施例提供的一种命名实体识别装置的结构示意图;
图4是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
下面将结合附图详细说明根据本公开实施例的一种命名实体识别方法及装置。
图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备101、102和103、服务器104以及网络105。
终端设备101、102和103可以是硬件,也可以是软件。当终端设备101、102和103为硬件时,其可以是具有显示屏且支持与服务器104通信的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等;当终端设备101、102和103为软件时,其可以安装在如上的电子设备中。终端设备101、102和103可以实现为多个软件或软件模块,也可以实现为单个软件或软件模块,本公开实施例对此不作限制。进一步地,终端设备101、102和103上可以安装有各种应用,例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
服务器104可以是提供各种服务的服务器,例如,对与其建立通信连接的终端设备发送的请求进行接收的后台服务器,该后台服务器可以对终端设备发送的请求进行接收和分析等处理,并生成处理结果。服务器104可以是一台服务器,也可以是由若干台服务器组成的服务器集群,或者还可以是一个云计算服务中心,本公开实施例对此不作限制。
需要说明的是,服务器104可以是硬件,也可以是软件。当服务器104为硬件时,其可以是为终端设备101、102和103提供各种服务的各种电子设备。当服务器104为软件时,其可以是为终端设备101、102和103提供各种服务的多个软件或软件模块,也可以是为终端设备101、102和103提供各种服务的单个软件或软件模块,本公开实施例对此不作限制。
网络105可以是采用同轴电缆、双绞线和光纤连接的有线网络,也可以是无需布线就能实现各种通信设备互联的无线网络,例如,蓝牙(Bluetooth)、近场通信(Near FieldCommunication,NFC)、红外(Infrared)等,本公开实施例对此不作限制。
用户可以通过终端设备101、102和103经由网络105与服务器104建立通信连接,以接收或发送信息等。需要说明的是,终端设备101、102和103、服务器104以及网络105的具体类型、数量和组合可以根据应用场景的实际需求进行调整,本公开实施例对此不作限制。
图2是本公开实施例提供的一种命名实体识别方法的流程示意图。图2的命名实体识别方法可以由图1的终端设备或服务器执行。如图2所示,该命名实体识别方法包括:
S201,获取基础文本语料集,其中,基础文本语料集包括多条语料,每条语料包括多个词语或字,每个词语或字都被标记了对应的标签,标签包括命名实体和其它,命名实体包括人名、地名和机构名;
S202,统计每条语料中命名实体出现的次数,并基于每条语料中命名实体出现的次数,计算每条语料对应的第一权重值和第二权重值;
S203,按照每条语料对应的第一权重值对每条语料进行重复扩充,得到第一文本语料集;
S204,按照每条语料对应的第二权重值对每条语料进行重复扩充,得到第二文本语料集;
S205,分别利用基础文本语料集、第一文本语料集和第二文本语料集训练目标模型,得到第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型;
S206,利用第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型提供命名实体识别服务。
一条语料可以是一条语句,每个语句中的词语会被标注是人名,地名还是机构名,除人名、地名和机构名之外的词语或字会被标注为其它。命名实体就是人名、机构名、地名以及其他所有以名称为标识的实体。更广泛的实体还包括数字、日期、货币、地址等等。所以本公开实施例可以被拓展到数字、日期和货币等上。
根据本公开实施例提供的技术方案,获取基础文本语料集,其中,基础文本语料集包括多条语料,每条语料包括多个词语或字,每个词语或字都被标记了对应的标签,标签包括命名实体和其它,命名实体包括人名、地名和机构名;统计每条语料中命名实体出现的次数,并基于每条语料中命名实体出现的次数,计算每条语料对应的第一权重值和第二权重值;按照每条语料对应的第一权重值对每条语料进行重复扩充,得到第一文本语料集;按照每条语料对应的第二权重值对每条语料进行重复扩充,得到第二文本语料集;分别利用基础文本语料集、第一文本语料集和第二文本语料集训练目标模型,得到第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型;利用第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型提供命名实体识别服务。采用上述技术手段,可以解决现有技术中,对文本中命名实体进行识别的方法,存在识别准确率低的问题,进而提高识别命名实体的准确率。
目前对文本中命名实体进行识别的方法,存在识别准确率低的问题,是因为很多时候命名实体数据的数量少,很多训练的句子中没有命名实体,或者命名实体的某些类别又过少,导致无法让模型能够很好的学习。所以本公开将基础文本语料集进行扩展,得到第一文本语料集和第二文本语料集。因为第一文本语料集和第二文本语料集归根结底是基于每条语料中命名实体出现的次数扩建的,所以第一文本语料集和第二文本语料集具有大量的命名实体数据,且命名实体的类别充分,所以本公开训练得到的第二命名实体识别模型和第三命名实体识别模型识别准确率较高,所以结合第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型后,识别准确率更高了。
在步骤S202中,统计每条语料中命名实体出现的次数,并基于每条语料中命名实体出现的次数,计算每条语料对应的第一权重值和第二权重值,包括:统计每条语料中人名出现的次数,并基于每条语料中人名出现的次数,计算每条语料对应的第一权重值和第二权重值;或统计每条语料中地名出现的次数,并基于每条语料中地名出现的次数,计算每条语料对应的第一权重值和第二权重值;或统计每条语料中机构名出现的次数,并基于每条语料中机构名出现的次数,计算每条语料对应的第一权重值和第二权重值;或统计每条语料中人名、地名和机构名出现的次数,并基于每条语料中人名、地名和机构名出现的次数,计算每条语料对应的第一权重值和第二权重值。
每条语料中命名实体出现的次数,可以每条语料中人名、地名和机构名总共出现的次数,也可以是每条语料中人名、地名和机构名中任意一个类别出现的次数。
人名、地名和机构名可以看作是命名实体的三个类别。
基于每条语料中命名实体出现的次数,计算每条语料对应的第二权重值,包括:计算每条语料的长度以及每条语料中命名实体中任意一种类别的信息密度;基于每条语料中命名实体出现的次数、每条语料的长度以及每条语料中命名实体中任意一种类别的信息密度,计算每条语料对应的第二权重值。
s为一条语料,t为所述命名实体中的任意一种类别,T为所述命名实体,为t在s中出现的次数,len(s)为s的长度,floor代表向上取整操作,corpus为所述基础文本语料集,N为所述基础文本语料集中所有词语或字的数量,pt为s中t的信息密度,为以2为底的对数。
在步骤S206中,利用第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型提供命名实体识别服务,包括:分别利用第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型进行命名实体识别;根据第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型各自识别的结果以及各自对应的预设票数,确定最终的识别结果。
比如,第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型各自对应的预设票数为3、3和4。以一种得票数最高的识别的结果作为最终的识别结果。
在步骤S206中,利用第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型提供命名实体识别服务,包括:将第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型并行连接判决器,以构建第四命名实体识别模型,其中,判决器已通过训练,能判别第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型各自识别的结果是否正确;利用第四命名实体识别模型提供命名实体识别服务。
目标模型可以是序列分类模型或者深度学习模型,判决器可以是常用的分类模型。
判决器的训练:标注第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型各自每次的识别的结果是正确还是错误,然后利用标注后的识别的结果训练判决器。
可选地,将每条语料重复该条语料对应的第一权重值次,得到所述第一文本语料集;将每条语料重复该条语料对应的第二权重值次,得到所述第二文本语料集。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图3是本公开实施例提供的一种命名实体识别装置的示意图。如图3所示,该命名实体识别装置包括:
获取模块301,被配置为获取基础文本语料集,其中,基础文本语料集包括多条语料,每条语料包括多个词语或字,每个词语或字都被标记了对应的标签,标签包括命名实体和其它,命名实体包括人名、地名和机构名;
统计模块302,被配置为统计每条语料中命名实体出现的次数,并基于每条语料中命名实体出现的次数,计算每条语料对应的第一权重值和第二权重值;
第一扩充模块303,被配置为按照每条语料对应的第一权重值对每条语料进行重复扩充,得到第一文本语料集;
第二扩充模块304,被配置为按照每条语料对应的第二权重值对每条语料进行重复扩充,得到第二文本语料集;
训练模块305,被配置为分别利用基础文本语料集、第一文本语料集和第二文本语料集训练目标模型,得到第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型;
服务模块306,被配置为利用第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型提供命名实体识别服务。
一条语料可以是一条语句,每个语句中的词语会被标注是人名,地名还是机构名,除人名、地名和机构名之外的词语或字会被标注为其它。命名实体就是人名、机构名、地名以及其他所有以名称为标识的实体。更广泛的实体还包括数字、日期、货币、地址等等。所以本公开实施例可以被拓展到数字、日期和货币等上。
根据本公开实施例提供的技术方案,获取基础文本语料集,其中,基础文本语料集包括多条语料,每条语料包括多个词语或字,每个词语或字都被标记了对应的标签,标签包括命名实体和其它,命名实体包括人名、地名和机构名;统计每条语料中命名实体出现的次数,并基于每条语料中命名实体出现的次数,计算每条语料对应的第一权重值和第二权重值;按照每条语料对应的第一权重值对每条语料进行重复扩充,得到第一文本语料集;按照每条语料对应的第二权重值对每条语料进行重复扩充,得到第二文本语料集;分别利用基础文本语料集、第一文本语料集和第二文本语料集训练目标模型,得到第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型;利用第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型提供命名实体识别服务。采用上述技术手段,可以解决现有技术中,对文本中命名实体进行识别的方法,存在识别准确率低的问题,进而提高识别命名实体的准确率。
可选地,统计模块302还被配置为统计每条语料中人名出现的次数,并基于每条语料中人名出现的次数,计算每条语料对应的第一权重值和第二权重值;或统计每条语料中地名出现的次数,并基于每条语料中地名出现的次数,计算每条语料对应的第一权重值和第二权重值;或统计每条语料中机构名出现的次数,并基于每条语料中机构名出现的次数,计算每条语料对应的第一权重值和第二权重值;或统计每条语料中人名、地名和机构名出现的次数,并基于每条语料中人名、地名和机构名出现的次数,计算每条语料对应的第一权重值和第二权重值。
每条语料中命名实体出现的次数,可以每条语料中人名、地名和机构名总共出现的次数,也可以是每条语料中人名、地名和机构名中任意一个类别出现的次数。
人名、地名和机构名可以看作是命名实体的三个类别。
可选地,统计模块302还被配置为计算每条语料的长度以及每条语料中命名实体中任意一种类别的信息密度;基于每条语料中命名实体出现的次数、每条语料的长度以及每条语料中命名实体中任意一种类别的信息密度,计算每条语料对应的第二权重值。
s为一条语料,t为所述命名实体中的任意一种类别,T为所述命名实体,为t在s中出现的次数,len(s)为s的长度,floor代表向上取整操作,corpus为所述基础文本语料集,N为所述基础文本语料集中所有词语或字的数量,pt为s中t的信息密度,为以2为底的对数。
可选地,服务模块306还被配置为分别利用第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型进行命名实体识别;根据第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型各自识别的结果以及各自对应的预设票数,确定最终的识别结果。
比如,第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型各自对应的预设票数为3、3和4。以一种得票数最高的识别的结果作为最终的识别结果。
可选地,服务模块306还被配置为将第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型并行连接判决器,以构建第四命名实体识别模型,其中,判决器已通过训练,能判别第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型各自识别的结果是否正确;利用第四命名实体识别模型提供命名实体识别服务。
目标模型可以是序列分类模型或者深度学习模型,判决器可以是常用的分类模型。
判决器的训练:标注第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型各自每次的识别的结果是正确还是错误,然后利用标注后的识别的结果训练判决器。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
图4是本公开实施例提供的电子设备4的示意图。如图4所示,该实施例的电子设备4包括:处理器401、存储器402以及存储在该存储器402中并且可在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者,处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。
示例性地,计算机程序403可以被分割成一个或多个模块/单元,一个或多个模块/单元被存储在存储器402中,并由处理器401执行,以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序403在电子设备4中的执行过程。
电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解,图4仅仅是电子设备4的示例,并不构成对电子设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如,电子设备还可以包括输入输出设备、网络接入设备、总线等。
处理器401可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器402可以是电子设备4的内部存储单元,例如,电子设备4的硬盘或内存。存储器402也可以是电子设备4的外部存储设备,例如,电子设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器402还可以既包括电子设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及电子设备所需的其它程序和数据。存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
在本公开所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本公开实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。
Claims (8)
1.一种命名实体识别方法,其特征在于,包括:
获取基础文本语料集,其中,所述基础文本语料集包括多条语料,每条语料包括多个词语或字,每个词语或字都被标记了对应的标签,所述标签包括命名实体和其它,所述命名实体包括人名、地名和机构名;
统计每条语料中所述命名实体出现的次数,并基于每条语料中所述命名实体出现的次数,计算每条语料对应的第一权重值和第二权重值;
按照每条语料对应的第一权重值对每条语料进行重复扩充,得到第一文本语料集;
按照每条语料对应的第二权重值对每条语料进行重复扩充,得到第二文本语料集;
分别利用所述基础文本语料集、所述第一文本语料集和所述第二文本语料集训练目标模型,得到第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型;
利用所述第一命名实体识别模型、所述第二命名实体识别模型和所述第三命名实体识别模型提供命名实体识别服务;
其中,基于每条语料中所述命名实体出现的次数,计算每条语料对应的第二权重值,包括:计算每条语料的长度以及每条语料中所述命名实体中任意一种类别的信息密度;基于每条语料中所述命名实体出现的次数、每条语料的长度以及每条语料中所述命名实体中任意一种类别的信息密度,计算每条语料对应的第二权重值;
2.根据权利要求1所述的方法,其特征在于,统计每条语料中所述命名实体出现的次数,并基于每条语料中所述命名实体出现的次数,计算每条语料对应的第一权重值和第二权重值,包括:
统计每条语料中所述人名出现的次数,并基于每条语料中所述人名出现的次数,计算每条语料对应的第一权重值和第二权重值;或
统计每条语料中所述地名出现的次数,并基于每条语料中所述地名出现的次数,计算每条语料对应的第一权重值和第二权重值;或
统计每条语料中所述机构名出现的次数,并基于每条语料中所述机构名出现的次数,计算每条语料对应的第一权重值和第二权重值;或
统计每条语料中所述人名、所述地名和所述机构名出现的次数,并基于每条语料中所述人名、所述地名和所述机构名出现的次数,计算每条语料对应的第一权重值和第二权重值。
4.根据权利要求1所述的方法,其特征在于,利用所述第一命名实体识别模型、所述第二命名实体识别模型和所述第三命名实体识别模型提供命名实体识别服务,包括:
分别利用所述第一命名实体识别模型、所述第二命名实体识别模型和所述第三命名实体识别模型进行命名实体识别;
根据所述第一命名实体识别模型、所述第二命名实体识别模型和所述第三命名实体识别模型各自识别的结果以及各自对应的预设票数,确定最终的识别结果。
5.根据权利要求1所述的方法,其特征在于,利用所述第一命名实体识别模型、所述第二命名实体识别模型和所述第三命名实体识别模型提供命名实体识别服务,包括:
将所述第一命名实体识别模型、所述第二命名实体识别模型和所述第三命名实体识别模型并行连接判决器,以构建第四命名实体识别模型,其中,所述判决器已通过训练,能判别所述第一命名实体识别模型、所述第二命名实体识别模型和所述第三命名实体识别模型各自识别的结果是否正确;
利用所述第四命名实体识别模型提供命名实体识别服务。
6.一种命名实体识别装置,其特征在于,包括:
获取模块,被配置为获取基础文本语料集,其中,所述基础文本语料集包括多条语料,每条语料包括多个词语或字,每个词语或字都被标记了对应的标签,所述标签包括命名实体和其它,所述命名实体包括人名、地名和机构名;
统计模块,被配置为统计每条语料中所述命名实体出现的次数,并基于每条语料中所述命名实体出现的次数,计算每条语料对应的第一权重值和第二权重值;
第一扩充模块,被配置为按照每条语料对应的第一权重值对每条语料进行重复扩充,得到第一文本语料集;
第二扩充模块,被配置为按照每条语料对应的第二权重值对每条语料进行重复扩充,得到第二文本语料集;
训练模块,被配置为分别利用所述基础文本语料集、所述第一文本语料集和所述第二文本语料集训练目标模型,得到第一命名实体识别模型、第二命名实体识别模型和第三命名实体识别模型;
服务模块,被配置为利用所述第一命名实体识别模型、所述第二命名实体识别模型和所述第三命名实体识别模型提供命名实体识别服务;
所述统计模块还被配置为计算每条语料的长度以及每条语料中所述命名实体中任意一种类别的信息密度;基于每条语料中所述命名实体出现的次数、每条语料的长度以及每条语料中所述命名实体中任意一种类别的信息密度,计算每条语料对应的第二权重值;
7.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211178159.3A CN115270799B (zh) | 2022-09-27 | 2022-09-27 | 命名实体识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211178159.3A CN115270799B (zh) | 2022-09-27 | 2022-09-27 | 命名实体识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115270799A CN115270799A (zh) | 2022-11-01 |
CN115270799B true CN115270799B (zh) | 2023-01-06 |
Family
ID=83757108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211178159.3A Active CN115270799B (zh) | 2022-09-27 | 2022-09-27 | 命名实体识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115270799B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MY185354A (en) * | 2013-11-27 | 2021-05-09 | Mimos Berhad | A method and system for automated entity recognition |
CN109710925A (zh) * | 2018-12-12 | 2019-05-03 | 新华三大数据技术有限公司 | 命名实体识别方法及装置 |
CN111695354A (zh) * | 2020-05-20 | 2020-09-22 | 平安科技(深圳)有限公司 | 基于命名实体的文本问答方法、装置及可读存储介质 |
CN113807098B (zh) * | 2021-08-26 | 2023-01-10 | 北京百度网讯科技有限公司 | 模型训练方法和装置、电子设备以及存储介质 |
-
2022
- 2022-09-27 CN CN202211178159.3A patent/CN115270799B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115270799A (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705301B (zh) | 实体关系抽取方法及装置、存储介质、电子设备 | |
CN110909165B (zh) | 数据处理方法、装置、介质及电子设备 | |
CN109872162B (zh) | 一种处理用户投诉信息的风控分类识别方法及系统 | |
CN108038208B (zh) | 上下文信息识别模型的训练方法、装置和存储介质 | |
CN107291775B (zh) | 错误样本的修复语料生成方法和装置 | |
CN108682421B (zh) | 一种语音识别方法、终端设备及计算机可读存储介质 | |
WO2021218027A1 (zh) | 智能面试中专业术语的提取方法、装置、设备及介质 | |
CN112686022A (zh) | 违规语料的检测方法、装置、计算机设备及存储介质 | |
CN110727782A (zh) | 问答语料生成方法及系统 | |
CN111930792A (zh) | 数据资源的标注方法、装置、存储介质及电子设备 | |
CN114780701A (zh) | 自动问答匹配方法、装置、计算机设备及存储介质 | |
CN110990527A (zh) | 自动问答方法及装置、存储介质及电子设备 | |
CN114281996A (zh) | 长文本分类方法、装置、设备及存储介质 | |
CN116402166B (zh) | 一种预测模型的训练方法、装置、电子设备及存储介质 | |
CN115270799B (zh) | 命名实体识别方法及装置 | |
CN114461665B (zh) | 用于生成语句转换模型的方法、装置及计算机程序产品 | |
CN115146033A (zh) | 命名实体识别方法及装置 | |
CN111625636B (zh) | 一种人机对话的拒绝识别方法、装置、设备、介质 | |
CN111210887B (zh) | 医学文本处理方法及相关设备 | |
CN113806541A (zh) | 情感分类的方法和情感分类模型的训练方法、装置 | |
CN107071553A (zh) | 一种修改视频语音的方法、装置和计算机可读存储介质 | |
CN114444514A (zh) | 语义匹配模型训练、语义匹配方法及相关装置 | |
CN111581347A (zh) | 语句相似度匹配方法及装置 | |
CN112988963B (zh) | 基于多流程节点的用户意图预测方法、装置、设备及介质 | |
CN114595760A (zh) | 数据分类方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |